推动数据资产流通的关键策略与实践探讨

数据资产流通：推动数字经济发展的新引擎

在数字化、网络化和智能化的浪潮中，数据作为一种新型生产要素，正在重塑各个行业的生产、分配、流通和消费模式。党的二十大报告明确指出，要加快建设数字中国，发展数字经济。在这一背景下，“数据资产流通”的概念逐渐被广泛接受，并成为推动经济发展的重要力量。

张光利：企业数据管理与数据资产化

【课程背景】数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式，党的二十大报告指出，要加快建设数字中国，加快发展数字经济。2022年12月《中共中央国务院关于构建数据基础制度更好发挥数展要素作用的意见》明确提出探索数据资产化及数据资产入表新模式。财政部印发《企业数据资源相关会计处理暂行规定(征求意见稿)》，首次提出企业数据资产入表相关处理办法。2023年6月中共北京市委、北京市人民政府日前印发《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》的通知中提出先行探索开展数据资产入表，对企业的数据首登记、首挂牌、首交易、首开放等给予奖励，更好促进数据要素市场创新和产业化发展。本课程将基于最新的政策要求和企业实践，全面讲授企业如何进行数据资产化，如何提升企业的数据价值，使学员掌握企业数据资产化的基本步骤，有助于帮助企业开发利用数据潜力。【课程收益】1、了解中国数据资产化的最新政策动态和政策要求2、掌握数据管理的基本维度，熟悉企业的数据管理方法论3、掌握企业进行数据资产化的步骤4、掌握数据资产估值的方法，提升企业的数据价值【课程对象】民营企业董事会成员，城投公司高管，首席运营官（COO）、首席财务官（财务总监）等【课程时长】1天（6小时/天）【课程大纲】一、数据资源到数据资产：数据要素的治理（一）企业为什么要做数据资产管理1、数据资产管理的宏观背景（数据要素化、要素市场化）(二)数据资产管理1、数据资产与数据资产管理的概念2、数据资产管理的发展3、数据资产管理的模型4、数据资产管理的难点与发展趋势数据资产化地图（一）数据资产化的制度要求1、企业战略与数据资产化2、数据资产化的组织偏好3、数据资产化的制度需求4、数据资产化的工具需求（二）数据要素的管理与资产化：基本规范1、数据模型管理2、数据标准管理3、数据质量管理4、主数据管理5、数据安全管理6、元数据管理7、数据开发管理8、数据价值评估9、数据资产流通10、数据资产运营（三）数据要素资产化的实践步骤1、总体方向：业务数据化与数据业务化2、数据资产的统筹规划3、数据资产的管理实施4、数据资产的稽查5、数据资产的运营管理（四）数据资产化的影响1、数据资产化对企业资产负债表的影响2、数据资产化对企业竞争力的影响数据资产入表的财务规范与技术处理（一）《暂行规定》的政策解读1、适用范围分析（哪些数据不适用？）2、会计处理适用的准则3、列示和披露要求4、实务操作中的难点解析（二）数据资产入表关键要点分析1、数据属于企业资产吗？——确认条件2、数据价值如何计量？（使用寿命和价值有效期如何判断）3、数据的可复制性与会计处理原则4、数据资产入表的税务影响：数据资产的摊销、减值与处置（三）数据资产入表解析（六步法）1、数据的合规与确权2、数据安全检查3、数据的治理与管理4、预期经济利益的可行性分析5、成本的合理归集与分摊6、列报与披露数据资产的实战演练以案例分析方法，分解企业如何进行数据资产化：数据治理、数据入表、数据资产估值等数据资产实践问题讨论1、数据如何确权：公共数据与个人数据2、大模型公司的数据资产化问题3、数据资产的估值前沿问题

张光利 培训咨询

一、数据资产化的背景

随着《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》的发布，数据资产化的进程迈出了重要一步。财政部也印发了《企业数据资源相关会计处理暂行规定(征求意见稿)》，首次提出了有关企业数据资产入表的处理办法。这些政策为企业如何有效管理和利用数据资产提供了指导，也为数据的流通奠定了基础。

二、数据资产的定义及其重要性

• 数据资产的定义：数据资产是指企业在经营过程中积累的、具有经济价值的数据资源。
• 重要性：数据资产不仅是企业资源的一部分，更是推动企业创新和提升竞争力的重要因素。

在企业的资产负债表中，数据资产的入表将使得数据不再是无形的存在，而是可以被量化、评估和流通，从而增强企业的财务透明度和市场竞争力。

三、数据资产流通的必要性

数据资产流通不仅能提升企业的数据价值，还能促进整个社会的数字经济发展。以下是数据资产流通的几个重要方面：

• 促进信息共享：数据资产的流通使得不同企业之间能够共享信息，形成协同效应。
• 激发创新：通过开放数据资源，企业可以更好地进行技术创新和产品研发。
• 提升决策效率：数据的流通使得企业能够获得更为准确的市场信息，从而提高决策效率。

四、数据资产化的管理与流通

为了实现数据资产的有效管理与流通，企业需要建立完善的数据治理机制。以下是数据资产化管理的几个基本维度：

• 数据模型管理：建立清晰的数据模型，确保数据的结构和内容符合业务需求。
• 数据质量管理：确保数据的准确性和完整性，提升数据的使用价值。
• 数据安全管理：确保数据在流通过程中的安全性，保护企业和用户的隐私。
• 数据价值评估：定期对数据资产进行评估，了解其市场价值和潜在价值。

五、数据资产的流通步骤

企业在进行数据资产流通时，可以遵循以下几个步骤：

• 数据资产的确认：根据政策要求和企业实际情况，确认数据是否符合资产的定义。
• 数据的治理与管理：建立数据治理框架，确保数据的规范管理。
• 预期经济利益的分析：分析数据流通所带来的经济效益，评估其市场潜力。
• 成本合理归集：对数据流通过程中的相关成本进行合理的归集和分摊。
• 列报与披露：根据会计准则，做好数据资产的列示和披露，确保财务透明度。

六、数据资产化的财务规范与技术处理

在数据资产化过程中，企业需遵循相应的财务规范和技术处理要求。以下是一些关键要点：

• 确认条件：企业需要明确数据是否属于其资产，如符合条件则进行确认。
• 数据价值计量：根据数据的使用寿命和价值有效期进行合理计量。
• 税务影响：数据资产的摊销、减值与处置等均需考虑税务影响，以优化企业的财务状况。

七、案例分析与实践讨论

在培训课程中，通过案例分析，企业可以更深入地了解如何进行数据资产化的实践。这些案例将涵盖以下几个问题：

• 数据确权：讨论公共数据与个人数据的确权问题，明确数据的归属。
• 大模型公司的数据资产化问题：分析大型企业在数据资产化过程中的挑战与应对策略。
• 数据资产估值：探讨数据资产估值的前沿问题，如何合理评估数据的市场价值。

八、结论

数据资产流通是推动数字经济发展的重要组成部分。通过有效的数据资产化管理，企业不仅能够提升自身的数据价值，还能促进整个社会的信息共享与创新能力。在政策的支持下，企业应积极探索数据资产化的路径，以实现更高的经济效益和社会价值。

在未来的数字经济时代，数据资产流通将成为企业竞争的核心要素，推动企业在激烈的市场环境中立于不败之地。